复杂网络中的层次重叠社区发现及可视化

【摘要】： 随着复杂性科学的发展,复杂网络的研究逐渐受到各个学科学者的关注.为了通过网络结构来发现复杂网络的行为规律、演化方向和功能结构,学者们通过对其拓扑进行研究,发现了复杂网络具有社区结构的基本特征.有效的发现网络的真实社区结构并进行展现,对相关数据及网络的分析和利用有重大的现实意义.本文提出了一种发现层次重叠社区的算法,并基于层次遗传算法实现了对重叠社区发现结果的可视化. 首先通过优化模块性函数对网络进行社区发现.再利用局部优化社区结构性的方法,在网络社区发现结果的基础上找到重叠节点,从而实现重叠社区发现.最后将社区抽象为社区节点并构造社区关系图进行迭代,来发现网络的层次结构,并最终实现了对网络的层次重叠社区发现.层次重叠社区发现能够更好的揭示复杂网络中的社区结构、重叠结构和层次结构,有利于对复杂网络的理解,更好的进行网络控制、功能发现等应用. 根据分而治之的思想,自顶向下的对网络层次结构中的各个子社区独立的利用遗传算法进行布局,并采用旋转、合并、翻转等方法,促使局部最优化逼近全局最优化,从而得到整个网络的近似最优布局.布局过程充分利用了数据关系,既能够直观的看出网络的社区结构以及社区间的关系,又能够清楚的发现网络中的重叠社区和重叠节点,兼顾了节点、社区布局的美观性.同时支持对层次结构进行布局,并能够进行并行计算,有较好的时间效率.适合对网络进行直观的观察和分析,充分发挥了可视化的作用. 通过对复杂网络研究中常用数据集进行实验表明,层次重叠社区发现算法在发现效果上和时间效率上都有令人满意的表现,同时采用层次遗传算法进行可视化的结果也很好的展现了发现的结果,满足预定的布局目的,同时克服了传统算法效率低下的问题.